확률적 안정 이벤트 구조의 이론적 탐구

초록

본 논문은 진정한 동시성 모델인 안정 이벤트 구조(stable event structures)에 확률성을 부여하는 방법을 제시한다. 기존의 확률적 이벤트 구조와는 달리, 충돌(conflict)과 인과관계(causality)를 동시에 고려해 “분기 셀(branching cell)”을 선택 단위로 삼고, 이를 통해 동시 발생 이벤트들의 확률적 독립성을 보장한다. 논문은 관련 연구를 정리하고, 새로운 ‘충돌‑구동(stable)’ 이벤트 구조와 그 위에 정의되는 확률 모델을 구성·분석한다.

상세 분석

논문은 먼저 전통적인 interleaving 방식과 true concurrency 방식의 근본적인 차이를 강조한다. 전자는 전역 시계와 전역 상태를 가정해 모든 동시 이벤트를 임의의 순서로 직렬화하지만, 후자는 각 로컬 컴포넌트가 자체적인 로컬 시계와 로컬 상태를 유지하며, 통신을 통해만 상호작용한다는 점에서 확률적 독립성을 자연스럽게 모델링할 수 있다. 이러한 관점에서 저자들은 확률적 true concurrency 모델이 아직 기초 단계에 머물러 있음을 지적하고, 특히 Petri net과 같은 전통적인 true concurrency 모델에 확률을 부여하려면 “confusion”(혼란) 문제를 해결해야 함을 강조한다.

기존 연구에서는 확률적 이벤트 구조를 “cluster”(충돌 집합) 단위로 정의하거나, “branching cell”(분기 셀)이라는 더 미세한 선택 단위를 도입했다. Abbes와 Benveniste는 분기 셀을 선택 단위로 삼아 로컬 유한성(local finiteness)이라는 제약 하에 확률적 독립성을 보장했으며, 이는 “분기 셀보다 더 세밀한 단위에서는 독립성을 유지할 수 없다”는 강력한 부정 결과를 제시한다. 그러나 이러한 모델은 주로 conflict‑free 혹은 단순한 conflict만을 다루어, 복잡한 혼란(confusion) 상황을 충분히 포착하지 못한다.

본 논문은 이러한 한계를 극복하기 위해 “conflict‑driven stable event structures”(충돌‑구동 안정 이벤트 구조)를 도입한다. 이는 일반적인 stable event structure의 확장으로, 이벤트가 여러 가능한 원인 집합을 가질 수 있으면서도, 각 원인 집합이 서로 교차하지 않도록(즉, stability 조건) 보장한다. 특히, “jump‑free”(점프‑프리)라는 추가 제약을 두어, 어떤 구성(configuration)에서도 원인 집합이 갑작스럽게 변하지 않도록 함으로써, 확률적 해석이 가능한 구조적 기반을 마련한다.

확률적 모델은 먼저 이벤트 구조 (E=(E,\leq,#)) 위에 최대 구성들의 집합 (\Omega(E))에 대한 σ‑algebra를 정의하고, 각 구성 (v)에 대해 “그림자(shadow) (S(v)={\omega\in\Omega\mid \omega\supseteq v})”를 이용해 확률 측정 (P(S(v)))를 정의한다. 여기서 핵심은 “첫 번째 충돌(first‑hand conflict)”을 선택 단위로 삼아, 즉 즉시 충돌((#_{\mu}))에 해당하는 이벤트 쌍만을 고려한다는 점이다. 이러한 즉시 충돌은 원인 집합이 겹치지 않는 경우에만 발생하므로, 선택 단위가 서로 독립적임을 보장한다.

다음으로 “stopping prefix”(정지 전위)와 “R‑stopped configuration”(R‑정지 구성) 개념을 도입한다. 정지 전위는 즉시 충돌을 모두 포함하는 최소 전위이며, R‑정지 구성은 일련의 정지 전위들의 유한·무한 연쇄를 통해 도달할 수 있는 구성이다. 각 단계에서 발생하는 “branching cell”(분기 셀)은 해당 단계의 초기 정지 전위이며, 이는 로컬 유한성(local finiteness) 가정 하에 유한 개수만 존재한다. 저자는 이러한 분기 셀들의 확률을 독립적인 확률 변수로 모델링함으로써, 전체 구성에 대한 확률을 곱셈 법칙을 통해 계산할 수 있음을 증명한다.

논문은 또한 “pre‑regular”(전정규)와 “locally finite”(로컬 유한) 조건을 명시한다. 전정규는 어떤 유한 구성에 대해서도 활성화되는 이벤트가 유한함을 의미하고, 로컬 유한성은 모든 이벤트가 어떤 유한 정지 전위에 포함된다는 보장을 제공한다. 이 두 조건이 만족될 때, 모든 최대 구성은 R‑정지 구성이며, 따라서 전체 확률 측정이 well‑defined 된다.

결과적으로, 저자들은 기존의 확률적 이벤트 구조가 다루지 못했던 복잡한 혼란 상황을 포함하면서도, 선택 단위의 확률적 독립성을 유지하는 새로운 수학적 프레임워크를 제공한다. 이는 Petri net의 “compact unfolding”(압축 전개)과 연결되어, 향후 확률적 temporal logic을 Petri net에 적용하는 기반을 마련한다는 점에서 의의가 크다.